Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ChaoEtAl2005Sp PDF
ChaoEtAl2005Sp PDF
de los datos de muestreo, o por la extrapolacin de las ciosa de especies raras (Wolda, 1981; Colwell y Cod-
curvas de acumulacin de especies o con la aplicacin dington, 1994; Plotkin y Muller-Landau, 2002), dado
de mtodos no paramtricos (vanse reseas por Bunge que se asume que los datos de muestreo (usualmente
y Fitzpatrick, 1993; Colwell y Coddington, 1994; Ma- errneamente) son representaciones verdaderas y com-
gurran, 2004; Chao, en prensa). Este ltimo enfoque pletas de la composicin del ensamblaje. [En efecto,
involucra la estimacin de las especies no vistas (las con pocas excepciones (p. ejem. Grassle y Smith, 1976;
especies que probablemente estn presentes en una MacKenzie et al., 2004), casi todos los mtodos actua-
muestra homognea y ms grande del ensamblaje, pero les para medir la similitud parten de este supuesto.] En
que no se encuentran en los datos de la muestra actual). general, como demostraremos con simulaciones, es
Dado que los estimados de las especies no vistas se probable que estas medidas subestimen severamente la
basan en el nmero de especies raras observadas dentro verdadera similitud entre dos ensamblajes (genuinamen-
de las muestras (Colwell y Coddington, 1994; Chazdon te similares) que contienen numerosas especies raras.
et al., 1998), para estimar la riqueza se requiere de datos Dado que muchas especies quedan fuera de la muestra,
de la abundancia o de muestras de la incidencia replica- es probable que las especies raras que aparecen en una
das. En los estimadores de la riqueza ms sencillos (p. muestra sean diferentes a las que aparecen en la otra
ejem. Chao1, Chao2 o los estimadores jack-knife), las muestra, aun cuando todas estn realmente presentes en
especies raras se clasifican como especies con una ambos ensamblajes. Problemas similares surgen al
abundancia total de 1 (singletons) o 2 (doubletons) en comparar dos muestras de tamaos notablemente dife-
una muestra basada en la abundancia, y se encuentran rentes: sencillamente porque la muestra ms pequea
en solamente una unidad de muestreo (nicos = uni- tiene un nmero menor de individuos o de unidades de
ques) o en exactamente dos unidades de muestreo (du- muestreo, puede que no tenga especies que aparecen en
plicados = duplicates) en los datos de incidencia con la muestra ms grande. En breve, la subestimacin de la
muestreo replicado. El estimador de cobertura basada en similitud ocurre por no tomar en cuenta las especies
abundancias (abundance-based coverage estimator: compartidas pero no vistas.
ACE) utiliza informacin adicional basada en aquellas En principio, la sobre-estimacin de la similitud
especies con diez o menos individuos en la muestra tambin puede ocurrir al comparar comunidades sub-
(Chao et al., 1993) y el correspondiente estimador basa- muestreadas de dominancia alta en las cuales las espe-
do en incidencia (incidence-based coverage estimator: cies comunes estn ampliamente distribuidas y en donde
ICE) se basa en las especies que ocurren en diez o me- las especies raras tienden a ser endmicas localmente.
nos unidades de muestreo (Lee y Chao, 1994; Chazdon En este caso, dos muestras pueden dar las mismas pocas
et al., 1998; Magurran, 2004). especies comunes, pero no revelan las especies raras
Las mismas limitaciones que se aplican a la esti- que diferenciaran los ensamblajes de contar con mues-
macin de la diversidad alfa de los ensamblajes de es- tras ms grandes (Colwell y Coddington, 1994; Ruoko-
pecies, se aplican de igual manera a la estimacin de la lainen y Tuomisto, 2002 discuten un posible ejemplo).
diversidad beta o la disimilitud (complementariedad, Sin embargo, en casi todos los casos que hemos exami-
recambio o distancia) entre dos ensamblajes. El ndice nado cuantitativamente, la rareza (o por naturaleza o por
Jaccard de similitud y el muy relacionado ndice Sren- tratarse de un tamao de muestra pequeo) incrementa
sen son los dos ms viejos y ampliamente utilizados la posibilidad de que una especie est errneamente
para la valoracin de la similitud en la composicin de ausente de una muestra pero no de otra, introduciendo
los ensamblajes (a veces llamado solapamiento de equivocadamente as un sesgo negativo a los ndices de
especies) y, por lo tanto, su complemento, la falta de similitud. [Fisher (1999, Fig. 8) llega a la misma con-
similitud. Ambos se basan en la presencia/ausencia de clusin para varios conjuntos de datos, basado en prue-
especies en ensamblajes pareados, y son clculos senci- bas de rarefaccin.] Adems, para los nuevos ndices
llos (Magurran, 2004). Existen muchos otros ndices de que presentamos aqu, se puede demostrar tericamente
la similitud que se basan en la misma informacin: el que el sesgo de muestreo, cuando presente, siempre es
nmero de especies compartidas por dos muestras y el negativo. [Los autores demuestran el sesgo negativo
nmero de especies nicas en cada muestra (Legendre y esperado matemticamente (A. Chao, R. L. Chazdon, R.
Legendre, 1998), y nuevos ndices siguen apareciendo K. Colwell y T.-J. Shen, datos no publicados); se puede
(p. ejem. Lennon et al., 2001). Una versin modificada probar para cualquiera de los modelos de abundancia
del ndice Srensen fue desarrollada por Bray y Curtis dados en Magurran (2004) y en Plotkin y Muller-
(1957), con base en datos de abundancia (tambin co- Landau (2002).]
nocido como el ndice Srensen de la abundancia; Ma- Recientemente, se ha intensificado el inters en el
gurran, 2004), y un gran nmero de otros ndices basa- desarrollo y evaluacin de los ndices para medir la
dos en abundancias se han desarrollado (Legendre y diversidad beta, o la tasa de recambio, de ensamblajes
Legendre, 1998), incluyendo el ampliamente aplicado de especies (Duivenvoorden, 1995; Lennon et al., 2001;
ndice MorisitaHorn (Magurran, 2004). Arita y Rodrguez, 2002, 2004; Condit et al., 2002;
A pesar de su amplia aplicacin en los estudios Plotkin y Muller-Landau, 2002; Koleff et al., 2003;
ecolgicos, los ndices clsicos de Jaccard y Srensen, Rodrguez y Arita, 2004), subrayando la necesidad de
cuando calculados con datos de muestreo, tienen un estimadores estadsticos robustos para poder inferir la
desempeo pobre como medidas de la similitud entre similitud de la composicin a partir de los datos de
ensamblajes diversos que incluyen una fraccin sustan- muestreo. El aumento en el recambio de especies (simi-
Un nuevo mtodo estadstico para la evaluacin de la similitud 87
litud decreciente) conforme se incrementa la distancia abundancias, usando datos de un estudio sucesional de
entre sitios puede reflejar patrones espaciales de disper- las abundancias de rboles, plntulas y briznales para
sin o podran resultar del aumento en la heterogenei- especies del dosel. Con base en conjuntos de datos para
dad ambiental a escalas mayores (Harte et al., 1999; ensamblajes ricos de insectos y plantas tropicales, de-
Hubbell, 2001; Balvanera et al., 2002; Chave y Leigh, mostramos como la incorporacin del efecto de especies
2002; Condit et al., 2002; Duivenvoorden et al., 2002; compartidas no vistas no solamente incrementa la exac-
Ruokolainen y Tuomisto, 2002; Rodrguez y Arita, titud, pero tambin puede cambiar la interpretacin de
2004; Valencia et al., 2004). Desafortunadamente, la los resultados.
mayora de los ndices de diversidad beta dependen de
la misma informacin que los ndices clsicos de Jac-
El desarrollo de los nuevos ndices
card y Srensen, y comparten las limitaciones arriba
y estimadores
mencionadas.
Con este problema en mente, Plotkin y Muller-
Los ndices clsicos de Srensen y Jaccard
Landau (2002) desarrollaron un ndice de similitud tipo
Srensen para conteos de abundancia utilizando un Los ndices clsicos de Srensen y Jaccard dependen de
enfoque paramtrico que depende de la distribucin tres sencillos conteos de incidencia: el nmero de espe-
gama para caracterizar la estructura de las abundancias cies compartidas por dos ensamblajes y el nmero de
de las especies. Condit et al. (2002) adoptan un mtodo especies nicas en cada ensamblaje. Se ha vuelto tradi-
para medir la diversidad beta usando el ndice de co- cin referirse a estos conteos como A, B y C, respecti-
dominancia F (codominance index F) de Leigh et al. vamente (Tabla I). Los ndices clsicos Jaccard y
(1993); la probabilidad de que dos individuos seleccio- Srensen para los conteos de incidencia entonces son
nados al azar, cada uno de un diferente ensamblaje sean
la misma especie. Aunque esta medida est basada en A
J clas = (1) y
los datos de la abundancia, F, en si, no es un ndice de A+ B +C
similitud estadsticamente vlido. Para dos ensamblajes
idnticos con muchas especies, F tiende a 0. Adems, es 2A
Lclas = (2)
posible para cualquier par de ensamblajes tener un valor 2A + B + C
de F de 0 a 1, dependiendo de cuntas especies estn
presentes y de los patrones de la abundancia relativa. (Usamos L para el ndice de Srensen para evitar la
Sin embargo, es posible normalizar F para producir un confusin con la S para especies.) Hay una relacin
ndice de similitud vlido. Chave y Leigh (2002) cercana monotnica entre los dos ndices: Lclas =
sealan que el ndice MorisitaHorn es una versin 2Jclas/(Jclas + 1) y Jclas = 1/(2/Lclas - 1).
normalizada de F. Asuma que hay S1 especies en el Ensamblaje 1 y
Empezamos por desarrollar un nuevo mtodo S2 especies en el Ensamblaje 2. Que el nmero de espe-
probabilstico para los ndices clsicos Jaccard y Sren- cies compartidas sea S12. Entonces, los conteos de inci-
sen basados en la incidencia. Posteriormente, extende- dencia A, B, C en la Tabla I corresponden a: A = S12, B
mos este enfoque para formular ndices tipo Jaccard y = S1 S12, y C = S2 S12. Sustituyendo estas expresio-
tipo Srensen que consideran las abundancias de las nes en las ecuaciones 1 y 2 tenemos una manera alterna-
especies. A cambio de Plotkin y Muller-Landau (2002), tiva de escribir los ndices clsicos que sern requeridos
adoptamos una estrategia no paramtrica que no requie- para los prximos pasos en el desarrollo de los nuevos
re de ningn supuesto en cuanto a las distribuciones de ndices:
la abundancia de las especies. Luego, proponemos un
mtodo para estimar tanto los ndices Jaccard y Sren- A S12
sen basados en incidencia y abundancia a partir de datos J clas = = (3) y
de muestreo, incorporando el efecto de las especies
A + B + C S1 + S 2 S12
compartidas no vistas.
Despus, llevamos a cabo simulaciones de mues- 2A 2 S12
Lclas = = (4)
treo con conjuntos de datos empricos con el fin de 2 A + B + C S1 + S 2
evaluar el desempeo de los ndices clsicos de Jaccard
y Srensen; sus nuevas contrapartes Jaccard y Srensen
basadas en abundancias; y los correspondientes estima-
dores Jaccard y Srensen. Demostramos que la incorpo-
Tabla I. Conteos de clasificacin de especies
racin del efecto de las especies no vistas disminuye utilizados en los ndices clsicos
sustancialmente el sesgo de tamao de muestra de estos
estimadores y mejora su utilidad para inferir la similitud Ensamblaje 2
(o su complemento, la disimilitud) entre ensamblajes Presente Ausente
hiper-diversos en los cuales una porcin grande de sus Ensamblaje 1
especies no se registra en las muestras. Finalmente, Presente A B
ilustramos una aplicacin del nuevo ndice Jaccard Ausente C -
basada en abundancias y el estimador Jaccard basada en
88 A. Chao et al.
J clas =
A
=
[(S12 / S1 )(S12 / S 2 )] =
S12
A + B + C [(S12 / S1 )(S12 / S 2 )] + [(S12 / S1 )(1 (S12 / S 2 ))] + [(1 (S12 / S1 ))(S12 / S 2 )] S1 + S 2 S12
Tabla II. Derivacin probabilstica de conteos de especies para los ndices clsicos
Puede parecer que no hemos avanzado, pero este Tabla III Probabilidades para conteos de especies
mtodo probabilstico establece la base para desarrollar basados en individuos
ndices basados en abundancias, que a su vez permiten Seleccione cualquier
la estimacin de ndices que toman en cuenta el efecto individuo del Ensamblaje 2
Compartido No compartido
de las especies compartidas no vistas. Ntese que, utili- Seleccione cualquier
zando este mtodo, tambin podemos calcular la proba- individuo del Ensamblaje 1
bilidad de que ambas especies seleccionadas al azar Compartido A = UV B = U(1 - V)
sean especies no compartidas (Caso 4, presentado en la No compartido C = (1 - U)V D = (1 - U)(1 - V)
Fig. 1 y la Tabla II). Sin embargo, el concepto funda-
mental para los ndices Jaccard y Srensen se basa so- ensamblajes idnticos y tienden hacia 0 para ensambla-
lamente en informacin para las otras tres celdas (Casos jes disimilares. En este ltimo caso, por ejemplo Labd =
1-3). 2/[(1/U) + (1/V)] tiende hacia 0 conforme tanto U como
V se acercan a 0.
Extendiendo el enfoque probabilstico a
los ndices basados en abundancias Estimacin de los ndices basados en abundancia
Dejemos que las probabilidades de que las especies a partir de datos de muestreo
sean descubiertas (mismas que dependen principalmente Hasta ahora, solamente hemos considerado las especies
de la abundancia relativa, asumiendo una mezcla aleato- y los individuos observados en dos ensamblajes. Tanto
ria y detectabilidad equiparable) en los Ensamblajes 1 y las versiones clsicas de Jaccard y Srensen como la
2 sean denotadas por (p1, p2, ..., pS1) y (1, 2, ..., S2), nueva versin basada en abundancias, asumen total y
respectivamente, donde pi > 0, i > 0 y completo conocimiento de los dos ensamblajes que
S1 S2
estamos comparando. En la prctica, necesitamos esti-
pi = i = 1 .
i =1 i =1
mar los ndices de similitud usando datos de muestreo,
Ya no tratamos a todas las especies de manera igual una tarea que realizamos ahora. Nuestro enfoque es no
dado que algunas son comunes y otras son raras. En paramtrico en el sentido de que no necesitamos postu-
cambio, la idea bsica para manejar los conteos de la lar ninguna distribucin de abundancia de especies en
abundancia es que tratemos a todos los individuos idn- particular para derivar los estimadores, mismos que por
ticamente. Adaptando el mtodo de la seccin anterior, lo tanto son vlidos bajo muchos modelos estadsticos
seleccionamos al azar un individuo del Ensamblaje 1 y de la abundancia (p. ejem. log-normal, vara rota, gam-
un individuo del Ensamblaje 2. Para cada individuo del ma, etc.). La derivacin s asume que el nmero de
par, notamos si pertenece a una especie compartida o especies es finito por lo que las probabilidades de des-
no. cubrimiento de especies tienen un lmite. [Los autores
Derivamos ahora las frmulas generales para las demuestran que los estimadores son vlidos bajo mu-
versiones basadas en abundancias de los ndices Jaccard chos de los modelos estadsticos de la abundancia (A.
y Srensen. Sin perder la generalidad, asumimos que las Chao, R. L. Chazdon, R. K. Colwell y T.-J. Shen, datos
primeras S12 especies son especies compartidas, es decir no publicados) (p. ejem. log-normal, exponencial,
las especies compartidas estn indexadas por 1,2,...,S12. gamma, binomial negativo, Zipf-Mandelbrot, modelos
En el Ensamblaje 1, dejemos que U denote la suma de de vara rota, etc.) que aparecen en Magurran (2004,
las abundancias relativas de individuos que pertenecen a Tabla 2.1) o en Plotkin y Muller-Landau (2002, Tabla
las especies compartidas, U = p1 + p2 + ... + pS12. Asi- 1]
mismo, en el Ensamblaje 2, dejemos que V denote la Una muestra aleatoria de n individuos (Muestra 1)
suma de las abundancias relativas de individuos que se toma del Ensamblaje 1 y una muestra aleatoria de m
pertenecen a las especies compartidas, V = 1 + 2 + ... individuos (Muestra 2) se toma del Ensamblaje 2. De-
+ S12. La Tabla III muestra las probabilidades de que note las frecuencias de las especies en las muestras por
dos individuos, uno de cada ensamblaje, representen (X1, X2, ..., XS1) y (Y1, Y2, ..., YS2), respectivamente.
cada una de las cuatro categoras usuales. (Ntese que si una especie falta en una muestra, Xi o Yi
Con base en las ecuaciones 1 y 2 para las tres ser igual a cero.) As, el par de frecuencias para las
probabilidades (A, B y C en la Tabla III), obtenemos los especies S12 verdaderamente compartidas por los dos
siguientes ndices basados en la abundancia en trminos ensamblajes son (X1, Y1)(X2, Y2)...(XS12, YS12). Asuma
de U y V: que D12 de las S12 especies compartidas disponibles de
A UV hecho se observan en ambas muestras, y que sus fre-
J abd = = (5) y cuencias son los primeros D12 pares. De esta manera, S12
A + B + C U + V UV - D12 especies adicionales se comparten entre los dos
ensamblajes, pero estn ausentes de una o dos de las
A2 2UV muestras. Conforme las frecuencias de las especies raras
Labd = = (6)
2A + B + C U +V compartidas sean mayores, se incrementa la probabili-
dad de que especies compartidas adicionales estn pre-
Dado que U y V representan las abundancias totales de sentes en ambos ensamblajes, pero ausentes de una o
las especies compartidas en Ensamblajes 1 y 2, respec- ambas muestras. Nos referimos a stas como especies
tivamente, vemos que ambos ndices tienden a 1 para compartidas, no vistas.
90 A. Chao et al.
Para incorporar a las probabilidades de la Tabla III partidas no vistas, no es posible usar una sencilla lista
el efecto de las especies compartidas pero no vistas, de las especies presentes en dos ensamblajes (datos de
usamos las frecuencias de las especies raras observadas incidencia), aun en principio, para ajustar los ndices de
y compartidas para estimar el trmino de ajuste apro- similitud para el efecto de las especies no vistas. Por
piado para U y V para tomar en cuenta las especies otro lado, el mtodo basado en estimacin se puede
compartidas no vistas. Primero definimos la funcin extender a los datos de incidencia (presencia-ausencia)
indicadora I(expresin) tal como I = 1 si la expresin replicados.
es verdadera y I = 0 si la expresin es falsa. Dejemos Suponga que tomamos un conjunto de w muestras
que de incidencia replicadas del Ensamblaje X y un conjunto
D12 de z muestras de incidencia replicadas del Ensamblaje
f1+ = I [X i = 1, Yi 1] Y. Para ambos conjuntos de muestras combinados, hay S
i =1 especies. El nmero de muestras en las que se encuentra
sea el nmero observado de las especies compartidas una especie en el Ensamblaje X o Y es la frecuencia
que ocurren una sola vez [singletons] (Xi = 1) en la para esta especie en dicho conjunto de muestras. Las
Muestra 1 (estas especies tienen que estar presentes en frecuencias para la especie i entonces se definen como
la Muestra 2, pero pueden tener cualquier abundancia).
w z
Ahora, dejemos que f2+ sea el nmero observado de
X i = xij y Yi = yij
especies compartidas que ocurren dos veces [double- j =1 j =1
tons] (Xi = 2) en la Muestra 1. De igual manera, defini-
mos f+1 y f+2 como el nmero observado de especies donde xij y yij representan la presencia (1) o ausencia (0)
compartidas que ocurren, respectivamente, una sola vez de la especie i en la muestra j.
(Yi = 1) y dos veces (Yi = 2) en la Muestra 2. Ntese que Xi o Yi ser cero para algunas especies,
Entonces, el estimador propuesto para U es a menos que todas las especies estn compartidas y
observadas.
D12
X (m 1) f +1 D12
Xi
U = i + I (Yi = 1) (7) Bajo el supuesto que las muestras replicadas de la
i =1 n m 2 f +2 i =1 n incidencia son estadsticamente homogneas (dentro de
cada ensamblaje), la probabilidad de que una especie
Ntese que el primer trmino al lado derecho de la ec. 7 est presente en una muestra dada es proporcional a su
denota el total observado de las frecuencias asociadas abundancia relativa en el ensamblaje, y los vectores de
con las especies observadas compartidas; el segundo frecuencia Xi o Yi as representan estadsticamente la
trmino representa el efecto estimado de las especies abundancia relativa de las especies en los Ensamblajes
compartidas no vistas. De manera similar, tenemos X y Y (p. ejem. Chao, 2004; Colwell et al., 2004). Por
ello, con cambios menores, las ecuaciones 7 y 8 pueden
D12
Y (n 1) f1+ D12
Yi
V = i +
i =1 m n 2 f 2+
mI (X
i =1
i = 1) (8) usarse para calcular las probabilidades ajustadas de que
una incidencia seleccionada al azar (deteccin de espe-
cies) de cada uno de los dos ensamblajes representarn
Cuando f+2 = 0 o f2+ = 0, reemplace f+2 y f2+ en los especies compartidas (aunque no necesariamente la
denominadores por f+2 + 1 o f2+ + 1, respectivamente. Si misma especie compartida).
el valor de o V es mayor a 1 (que rara vez ocurre), Para los datos de incidencia replicados, f1+ es el
entonces se reemplaza por 1. Los estimadores Jaccard y nmero de especies compartidas observadas que ocurre
Srensen basados en abundancias que proponemos son en exactamente una muestra (Xi = 1) en X y f2+ es el
nmero de especies compartidas observadas que ocurre
UV
Jabd = (9) y en exactamente dos muestras (Xi = 2) en X; f+1 y f+2 son
U + V UV los nmeros correspondientes para la matriz de muestras
Y. Definamos la suma de las frecuencias de incidencia
2UV para las matrices como
Labd = (10)
U + V S S
n = Xi y m = Yi
Las varianzas para estos dos estimadores se pue- i =1 i =1
den derivar por el mtodo bootstrap. (La derivacin
completa de las ecuaciones 7 y 8 y los detalles del pro- Entonces los estimadores propuestos son
cedimiento bootstrap para calcular los estimadores de la
varianza para las ecuaciones 9 y 10 estn disponibles D12
X ( z 1) f +1 D12
X
previa solicitud al primer autor.) U inc = i +
i =1 n z 2 f +2
n I (Y = 1)
i =1
i
i
(11) y
estos agrupamientos muy grandes.) Este proceso com- debe mantener un valor de 1, sin importar discrepancias
pleto se repiti 1000 veces y promedios fueron calcula- en los tamaos de las muestras. Las Figuras 2 y 3 (se-
dos para cada prueba de cada ndice, y para cada uno de gunda columna, Prueba 2: Berlese desigual) muestran
los tres mtodos de colectar las hormigas. una prueba as para los datos de hormigas de la muestra
La Figura 2 presenta los resultados representativos Berlese, utilizando muestras creadas por el mismo es-
para esta prueba para los ndices clsicos de Jaccard y quema indicado en el primer mtodo. Aun ms que en la
Srensen (primera columna, Prueba 1: rarefaccin Ber- primera prueba, los ndices clsicos de Jaccard y Sren-
lese). Claramente ambos ndices fueron muy sensibles sen (Fig. 2) se vieron fuertemente afectados por el ta-
al submuestreo. La Figura 3 (primera columna) presenta mao de la muestra, causando un sesgo negativo y seve-
los resultados correspondientes a los nuevos ndices ro cuando una muestra era mucho ms pequea que la
para esta prueba. Los nuevos ndices Jaccard y Srensen muestra completa. En cambio, los nuevos estimadores
basados en abundancia, sin ajustar por las especies de Jaccard y Srensen (Fig. 3, segunda columna) resul-
compartidas no vistas (Jabd y Labd), fueron tambin sen- taron notablemente resistentes al submuestreo, inclu-
sibles al tamao de la muestra. En cambio, los estima- yendo tanto los estimadores basados en abundancia
dores Jaccard y Srensen, mismos que incluyen el efec- ( Jabd y Labd ) y los basados en datos de incidencia repli-
to estimado de las especies compartidas, no vistas, re-
cados ( J y L ).
sult menos sensible al submuestreo, con valores nota- inc inc
Bibliografa
Arita, H. T. & P. Rodriguez. 2002. Geographic range, turn- Fisher, B. L. 1999. Improving inventory efficiency: a case
over rate and the scaling of species diversity. Ecogra- study of leaf-litter ant diversity in Madagascar. Ecol.
phy, 25: 541-550. Appl., 9: 714-731.
Arita, H. T. & P. Rodriguez. 2004. Local-regional relation- Grassle, J. R. & W. Smith. 1976. A similarity measure sensi-
ships and the geographical distribution of species. tive to the contribution of rare species and its use in in-
Global Ecol. Biogeogr., 13: 15-21. vestigation of variation in marine benthic communities.
Balvanera, P., E. Lott, G. Segura, C. Siebe & A. Islas. 2002. Oecologia, 25: 13-22.
Beta diversity patterns and correlates in a tropical dry Guariguata, M. R., R. L. Chazdon, J. S. Denslow, J. M.Dupuy
forest of Mexico. J. Veg. Sci., 13: 145-158. & L. Anderson. 1997. Structure and floristics of sec-
Bray, J. R & J. T. Curtis. 1957. An ordination of the upland ondary and old-growth forest stands in lowland Costa
forest communities of southern Wisconsin. Ecol. Rica. Plant Ecology, 132: 107-120.
Monogr., 27: 325-349. Harte, J., A. Kinzig & J. Green. 1999. Self-similarity in the
Bunge, J. & M. Fitzpatrick. 1993. Estimating the number of distribution and abundance of species. Science, 284:
species: a review. J. Am. Stat. Assoc., 88: 364-373. 334-336.
Chao, A. (in press). Species richness estimation. In: Encyclo- Hubbell, S. P. 2001. A Unified Neutral Theory of Biodiversity
pedia of Statistical Sciences, 2nd edn (eds. Balakrish- and Biogeography. Princeton University Press, Prince-
nan, N., Read, C.B. & Vidakovic, B.). Wiley Press, ton, NJ.
New York, NY, USA. Koleff, P., K. J. Gaston & J. J. Lennon. 2003. Measuring
Chao, A. & T. J. Shen. 2003. Program SPADE (Species Predic- beta diversity for presence-absence data. J. Anim.
tion and Diversity Estimation). Program and User's Ecol., 72: 367-382.
Guide available at http://chao.stat.nthu.edu.tw. Lee, S.-M. & A. Chao. 1994. Estimating population size via
Chao, A., M.-C. Ma & M. C. K Yang. 1993. Stopping rules sample coverage for closed capture-recapture models.
and estimation for recapture debugging with unequal Biometrics, 50: 88-97.
failure rates. Biometrika, 80: 193-201. Legendre, P. & L. Legendre. 1998. Numerical Ecology. El-
Chave, J. & E. G. Leigh. 2002. A spatially explicit neutral sevier, Amsterdam.
model of beta-diversity in tropical forests. Theor. Pop. Leigh, E.G., S. J. Wright, F. E. Putz & E. A. Herre. 1993.
Biol., 62: 153-168. The decline of tree diversity on newly isolated tropical
Chazdon, R. I., R. K. Colwell, J. S. Denslow & M. R. islands: a test of a null hypothesis and some implica-
Guariguata. 1998. Statistical methods for estimating tions. Evol. Ecol., 7: 76-102.
species richness of woody regeneration in primary and Lennon, J. J., P. Koleff, J. J. D. Greenwood & K. J. Gaston.
secondary rain forests of NE Costa Rica. In: Forest 2001. The geographical structure of British bird distri-
Biodiversity Research Monitoring and Modeling. Con- butions: diversity, spatial turnover and scale. J. Anim.
ceptual Background and Old World Case Studies. (eds Ecol., 70: 966-979.
Dallmeier, F. & Comiskey, J.). Parthenon Publishing, Longino, J.T., J. Coddington & R. K. Colwell. 2002. The ant
Pars, France, pp. 285-309. fauna of a tropical rain forest: estimating species rich-
Colwell, R. K. 2004. ESTIMATES: Statistical Estimation of ness three different ways. Ecology, 83: 689-702.
Species Richness and Shared Species from Samples, MacKenzie, D. I., L. Bailey & J. D. Nichols. 2004. Investi-
Version 7.5. Available at http://viceroy.eeb.uconn.edu/ gating species co-occurrence patterns when species are
estimates. Persistent URL http://purl.oclc.org/estimates. detected imperfectly. J. Anim. Ecol., 73: 546-555.
Colwell, R. K. & J. A. Coddington. 1994. Estimating terres- Magurran, A. E. 2004. Measuring Biological Diversity.
trial biodiversity through extrapolation. Phil Trans. R. Blackwell, Oxford.
Soc. Lond. B. Biol. Sci., 345: 101-118. Plotkin, J. B. & H. C. Muller-Landau. 2002. Sampling the
Colwell, R.K., C. X. Mao & J. Chang. 2004. Interpolating, species composition of a landscape. Ecology, 83: 3344-
extrapolating, and comparing incidence-based species 3356.
accumulation curves. Ecology, 85: 2717-2727. Rodriguez, P. & H. T. Arita. 2004. Beta diversity and latitude
Condit, R., N. Pitman, E. G. Leigh Jr, J. Chave, J. Terborgh, in North American mammals: testing the hypothesis of
R. B. Foster et al. 2002. Beta-diversity in tropical for- covariation. Ecography, 27: 1-11.
est trees. Science, 295: 666-669. Ruokolainen, K. & H. Tuomisto. 2002. Beta-diversity in
Duivenvoorden, J. F. 1995. Tree species composition and rain tropical forests. Science, 297: 1439a.
forest-environment relationships in the. middle Caquet Valencia, R, R. B. Foster, G. Villa, R. Condit, J.-C. Svenning,
area, Colombia, NW Amazonia. Vegetatio, 120: 91- C. Hernndez, C. et al. 2004. Tree species distributions
113. and local habitat variation in the Amazon: large forest
Duivenvoorden, J. F., J.-C. Svenning & S. J. Wright. 2002. plot in eastern Ecuador. J. Ecol., 92: 214-229
Beta diversity in tropical forests. Science, 295: 636- Wolda, H. 1981. Similarity indices, sample size and diversity.
637. Oecologia, 50: 296-302.